【模型复现】高精度端到端目标检测模型—CenterNET复现

【模型复现】高精度端到端目标检测模型—CenterNET复现

极链AI云 注册链接
关注极链AI云公众号，学习更多知识！

---

一、模型详情

1.1 模型简介：

图像检测中的检测框默认是轴对称的，大多数比较成功的检测方法都是要列举很大数量的候选框，再进一步进行定位和分类。但是这样的做法往往是多余而又低效率的。本文中我们提出了一种对物体的中心点进行定位的方法，并且在此基础上回归出物体的其他属性，比如尺寸、3D位置、方向甚至是姿态。我们提出的网络称之为CenterNet，它是一个端到端可微分，更简化快捷精度更高的方法。

1.2 关键词：

高精度端到端

1.3 应用场景：

目标检测

1.4 结构：

1.5 论文地址：

https://arxiv.org/abs/1904.08189v3

1.6 模型来源：

https://github.com/bubbliiiing/centernet-pytorch

---

下面就是该模型的具体复现流程

二、平台环境准备

2.1 打开极链AI云平台

极链AI云

2.2 点击模型

2.3 选择并创建实例

进入模型列表，选择DETR模型

选择使用的显卡，此处以RTX 2080 ti为例

选择模型及镜像

点击下一步创建即可

2.4 使用jupyterlab连接

---

三、模型复现

3.1 打开终端

进入jupyterlab后，可以看见ipynb文件

点击右上角+号，选择终端，打开新的终端窗口

左侧为文件列表，右侧为输入区。

3.2 准备数据集

在终端，在root/centernet（默认）路径下，运行以下命令：

cd ../..
# 进入根目录
cp -r /datasets/voc2007/VOCdevkit ../../../user-data
# 将复现所需的公开数据集复制到指定文件夹下
python voc_annotation.py
# 生成路径文件2007_train.txt和2007_val.txt

该模型使用voc2007数据集，该数据集极链AI云平台已搭载，可直接使用

3.3 模型推断

在终端，进入root/centernet（默认）路径下，运行以下命令

python predict.py
# 默认输入的检测图为img/street.jpg，可按需更改

3.4 模型训练

在终端，进入root/centernet（默认）路径下，运行以下命令：

python main.py

模型训练耗时较久，需耐心等待。

3.5 模型测试

在终端，进入root/centernet（默认）路径下，运行以下命令：

测试结果如上，准确率为80%，仅供参考

---

以上就是 CentreNET 模型复现的全部内容了
感兴趣的话可以进入极链AI云官网，一键体验哦～

​
极链AI云是极链科技集团下属专为AI科研与学习而设计的一站式开发平台。为开发者提供全流程的AI科研服务，让每一位用户都能拥有撬动AI变革的力量。

• 同时平台还拥有例如yolo系列等一众经典模型等你来 简单操作即可完成复现哦
• 同时，新用户完成学生认证更可领取100元无门槛使用券！
• 快点击这里来试试吧！